【摘要】针对个人信用数据不平衡、类间重叠、类型多样性等特点，运用优化的辅助分类器生成对抗网络(ACGAN)、梯度提升决策树(GBDT)分别进行数据过采样、学习与分类，在此基础上构建个人信用风险评估模型。依据金融及大数据相关竞赛平台提供的两个信贷数据集进行实证，从AUC、G-mean、Recall等指标出发考量模型的性能。结果显示，模型使用新的过采样技术生成的样本与原始样本非常接近，对违约样本及总样本的识别性能均优于对照模型。